.png){kind=icon}
返回
Architectural planning robot driven by unsupervised learning for space optimization
.png){kind=icon}
OA
AI
DOI：10.3389/fnbot.2024.1517960.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
引言 空间优化在建筑规划中是一项关键任务，旨在最大化功能性和改善建成环境中的用户体验。传统方法通常依赖手动规划或监督学习技术，这些方法可能受限于标注数据的可用性，且可能难以适应复杂的空间需求。
方法 为解决这些局限性，本文提出了一种由无监督学习驱动的建筑规划机器人，用于自动空间优化。所提出的框架整合了空间注意力、聚类和状态精炼机制，以自主学习和优化空间布局，无需标注训练数据。空间注意力机制使模型聚焦于建筑空间中的关键区域，聚类识别功能区域，而状态精炼则通过基于学习模式的调整迭代改进空间布局。在多个3D数据集上进行的实验证明了所提方法在实现优化空间布局方面的有效性，同时降低了计算需求。
结果与讨论 结果显示，与传统方法相比，该方法在布局效率和处理时间上均有显著提升，表明其在自动化建筑规划和动态空间管理中的实际应用潜力。本研究通过提供一种可扩展的建筑空间优化解决方案为该领域做出贡献，该方案通过无监督学习适应多样化的空间需求。
Keyword:
space optimization
architectural planning
unsupervised learning
spatial attention
clustering
期刊
IF:
2.8
论文数:
181
被引数:
4.1K
机构
引用论文
Force-controlled pose optimization and trajectory planning for chained Stewart platforms力控姿态优化与串联Stewart平台的轨迹规划OAAI
.png){kind=icon}
OAAI分享收藏Residual learning-based robotic image analysis model for low-voltage distributed photovoltaic fault identification and positioning基于残差学习的机器人图像分析模型用于低压分布式光伏故障识别与定位OAAI
OAAI分享收藏Dynamic Analysis and Path Planning of a Turtle-Inspired Amphibious Spherical Robot海龟类两栖球形机器人动力学分析与路径规划
OAAI
OAAI分享收藏State-Based Dynamic Graph with Breadth First Progression For Autonomous Robots基于状态的自适应图，采用广度优先进展，用于自主机器人
PREAI
分享收藏HiDeS: a higher-order-derivative-supervised neural ordinary differential equation for multi-robot systems and opinion dynamicsHiDeS：一种用于多机器人系统和观点动力学的更高阶导数监督的神经常微分方程OAAI
OAAI分享收藏
查看更多内容